| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-16页 |
| ·课题背景及研究意义 | 第9-10页 |
| ·国内外研究现状 | 第10-13页 |
| ·难点问题分析 | 第13-14页 |
| ·本文的工作和安排 | 第14-16页 |
| 第2章 图像预处理技术 | 第16-29页 |
| ·直方图均衡化 | 第16-19页 |
| ·滤波降噪 | 第19-23页 |
| ·均值滤波 | 第19-21页 |
| ·高斯滤波 | 第21-22页 |
| ·中值滤波 | 第22-23页 |
| ·形态学图像的处理 | 第23-28页 |
| ·腐蚀与膨胀 | 第24-26页 |
| ·开运算与比运算 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 第3章 运动人群检测方法研究 | 第29-50页 |
| ·常见的运动目标检测法 | 第29-37页 |
| ·帧差法 | 第29-32页 |
| ·光流法 | 第32-36页 |
| ·背景减除法 | 第36-37页 |
| ·三种运动检测算法的比较 | 第37页 |
| ·常见的几种背景模型算法 | 第37-42页 |
| ·均值滤波法 | 第38-39页 |
| ·核密度估计法 | 第39-40页 |
| ·单高斯背景模型 | 第40-41页 |
| ·混合高斯背景模型 | 第41页 |
| ·几种背景模型的比较 | 第41-42页 |
| ·混合高斯背景模型及其改进 | 第42-49页 |
| ·混合高斯背景模型的建立 | 第42-43页 |
| ·混合高斯模型的初始化 | 第43-44页 |
| ·背景模型的参数更新 | 第44页 |
| ·背景估计与前景检测 | 第44-46页 |
| ·混合高斯背景模型的改进 | 第46-49页 |
| ·本章小结 | 第49-50页 |
| 第4章 运动人群跟踪算法研究 | 第50-65页 |
| ·常见的运动目标跟踪算法 | 第50-61页 |
| ·基于 Kalman 滤波的目标跟踪算法 | 第50-53页 |
| ·基于粒子滤波的目标跟踪算法 | 第53-57页 |
| ·基于 Mean Shift 的目标跟踪算法 | 第57-61页 |
| ·基于 blob 与 Kalman 滤波的行人跟踪方法 | 第61-64页 |
| ·本章小结 | 第64-65页 |
| 第5章 轨迹分析与目标计数 | 第65-68页 |
| ·轨迹分析 | 第65-66页 |
| ·目标计数 | 第66-67页 |
| ·本章小结 | 第67-68页 |
| 第6章 总结与展望 | 第68-70页 |
| ·全文工作总结 | 第68页 |
| ·展望 | 第68-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-73页 |